Linux下 NVIDIA显卡驱动 + CUDA + Anaconda 安装配置全流程（记录深度学习服务器环境从零开始搭建）

目录

〇 目的以及初始条件

一 NVIDIA显卡驱动

1.下载

2.安装

（1）禁用nouveau

（2）安装 .run 文件

二 CUDA

1.下载

2.安装

（1）安装CUDA

（2）配置环境变量

三 Anaconda

1.下载

2.安装

四 结语与后续

---

〇 目的以及初始条件

本帖旨在记录一次从零开始搭建深度学习Linux服务器所需全部环境的过程，希望一个帖子可以解决你配置环境的所有问题，成为你的环境搭建向导

初始默认我们拥有一台有GPU但是没有安装任何深度学习必要环境（显卡驱动 CUDA Conda）的Linux服务器，如下：

NVIDIA驱动
CUDA
Conda

---

一 NVIDIA显卡驱动

1.下载

第一步我们先安装NVIDIA显卡驱动，进入NVIDIA驱动下载官网，挑选适配设备的驱动文件并下载

官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/index.aspx?lang=cn

下载的应是一个 .run 文件

下载完成后，通过ftp上传至服务器

---

2.安装

（1）禁用nouveau

sudo vim /etc/modprobe.d/blacklist.conf

对blacklist.conf进行编辑，在blacklist.conf里新增

blacklist nouveau
options nouveau modeset=0

然后重启服务器（reboot）

重启后使用以下命令，若无输出，即已屏蔽nouveau

lsmod | grep nouveau

（2）安装 .run 文件

cd到你安装包的位置

执行如下两句

注: 需要修改成你下载的 .run文件的文件名

sudo chmod a+x NVIDIA-Linux-x86_64-470.82.01.run

sudo ./NVIDIA-Linux-x86_64-470.82.01.run -no-x-check -no-nouveau-check -no-opengl-files

开始安装

可能会碰到 cc 版本不匹配、显示 xorg 、32位等等等问题，可忽略

 安装进度

 安装完成

使用

nvidia-smi

 进行测试，下图即代表安装成功，显卡全部通过驱动读取出来了

---

二 CUDA

1.下载

我们选择与你安装的驱动版本相兼容的版本下载（查看驱动版本与CUDA对应点此链接→ Release Notes :: CUDA Toolkit Documentation (nvidia.com)）

通常我们直接进入NVIDIA Developer网站查看 CUDA toolkit 安装都是最新版

以下链接为所有历史 CUDA 版本，你可以根据选择合适的 CUDA 版本下载
CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

比如 我要下载 CUDA 11.1 点击进入 CUDA 11.1 的下载导航

 

配置好红框中参数后下面会生成对应系统的安装指令

服务器 cd 到保存其安装包的目录下 执行对应命令（这里命令对应的是我的 CUDA 11.1 版本的）

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run

 运行即可下载，下图为下载好之后的 .run 文件

---

2.安装

（1）安装CUDA

cd到你安装包的位置

执行如下两句

注: 需要修改成你下载的 .run文件的文件名

sudo chmod a+x cuda_11.1.0_455.23.05_linux.run

sudo ./cuda_11.1.0_455.23.05_linux.run --no-opengl-libs --librarypath=/usr/local/cuda-11.1

开始安装，进入安装界面

 我们输入 accept，进入这个界面

这里我们需要注意，CUDA在这里会默认帮我们安装驱动，由于我们已经安装好 NVIDIA驱动，第一行需要取消安装（我们不建议使用 CUDA 默认安装驱动，可能会出现一系列问题）

 取消默认安装驱动后，如下图

 光标移动到 Install 上回车，进入安装

 完成安装

（2）配置环境变量

安装完成后，还需要配置环境变量

安装之后，我们进入 usr/local 目录，可以看到已经有了 cuda 和 cuda-11.1 两个文件夹，已经通过软链接的方式将 cuda11.1 配置为默认使用 cuda 了

打开环境变量配置文件

vim ~/.bashrc

在文件最下面加两行，保存

# cuda
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后激活配置文件

source ~/.bashrc

使用命令测试 CUDA 是否配置完成

nvcc -V

 正确输出即代表 CUDA 安装配置完成

---

三 Anaconda

1.下载

进入 Anaconda 官网选择对应 Linux 平台下载安装包

Anaconda | Anaconda Distributionhttps://www.anaconda.com/products/distribution

 下载完成后使用 ftp 上传服务器

---

2.安装

cd到你安装包的位置

执行如下两句

注: 需要修改成你下载的 .run文件的文件名

chmod +x Anaconda3-2021.11-Linux-x86_64.sh

sudo ./Anaconda3-2021.11-Linux-x86_64.sh

进入安装导航，这里需要一直回车 

 

一直回车 一直回车 

... ... ... 

直到这一步，需要我们输入，停止回车，输入 yes

这里我们也输入 yes 表示帮助我们配置 anaconda 的初始环境变量

安装完成，但是安装完成后，我们发现依然无法识别 conda 命令

 

那是因为环境变量文件配置了，但没有激活，执行以下命令激活环境变量配置文件 ↓

source ~/.bashrc

此时已经出现（base）虚拟环境

再使用 conda 命令 如 conda info，即我们已完成全部安装

其实配置的环境变量

vim ~/.bashrc

如图

部分如果出现配置文件安装位置问题导致无法激活环境变量的，请尝试在配置文件最下面加一行 ↓

export PATH="$PATH:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games"

可能可以解决此类问题 

---

四 结语与后续

至此，深度学习服务必不可少的三件套已安装配置完成，后续会更新更详细的使用配置步骤，感兴趣的可以关注我

同时，有深度学习计算机视觉 CV 方向问题需要讨论的也可以评论区留言，非常乐意与各位大佬们讨论交流